软件先容

404黄台软件下载使用指南

第一步：导入文件

翻开软件
，，，，点击"?添加 404黄台软件下载"按钮
，，，，从电脑中选择《404黄台软件下载》文件
，，，，或直接将其拖拽至软件界面中。。。

第二步：设置剖析

软件会自动识别并剖析导入的文件
，，，，您可凭证界面提醒选择所需的生涯路径或下载名堂。。。

第三步：最先下载

确认无误后
，，，，点击"最先下载/处理"按钮。。。期待进度条读取完毕
，，，，即可在设定的文件夹中审查下载好的正版文件。。。

Zero-Shot、长影象、抗滋扰
，，，，DM0.5把VLA带进真实天下
，，，，404黄台软件下载

已往两年
，，，，VLA（视觉 - 语言 - 行动）模子的爆发
，，，，让整个具身智能行业陶醉在一种前所未有的乐观中。。
；；；；等俗钕忍嘶啊⑹侗鹞锾
，，，，在实验室里跑出一个个令人赞叹的精彩 Demo。。。然而
，，，，当这些模子走出全心搭建的 “剧本情形”
，，，，真正面临光照幻化、视角漂移以及人类随意的滋扰时
，，，，懦弱的泛化性往往让昌盛流于外貌 ——全行业都在心照不宣地面临一个难题：怎样拒绝用 “使命表” 来冒充天下
，，，，让机械人真正走向开放的现实
？？
？
？

今年 2 月
，，，，原力灵机宣布了第一代原生具身基础模子 DM0。。。凭证官方先容
，，，，DM0 验证了在可控情形下
，，，，通过准确的数据、有用的优化和可靠的评测
，，，，VLA 模子可以学会一系列重大行动使命。。。

今天原力灵机正式宣布的 DM0.5 往前推进了一步。。。它不但是继续提高某些牢靠使命上的体现
，，，，而是围绕真实天下里的泛化问题做了一次系统突。。。

原力灵机将 DM0.5 的焦点提升总结为五个方面：Zero-Shot 能力涌现、Fine-Tuning 更高效可靠、长达 60 秒的影象能力、面临滋扰更鲁棒的行动体现
，，，，以及跨机型的迁徙能力

若是深入剖析
，，，，就会发明 DM0.5 这几个焦点提升
，，，，都是想解决一个问题：怎样让具身模子从可控情形里的能力演示
，，，，走向开放情形里的稳固执行。。。

视频详见原文：https://mp.weixin.qq.com/s/3Mu73vHlFi_I7iVsPFW

视频详见原文：https://mp.weixin.qq.com/s/3Mu73vHlFi_I7iVsPFW

视频详见原文：https://mp.weixin.qq.com/s/3Mu73vHlFi_I7iVsPFW

围绕真实机械人使命中的长程依赖、语义明确、数据噪声和行动一连性问题
，，，，DM0.5 引入了多项要害设计：模子支持长历史输入
，，，，将已往一段时间的要害视觉信息与目今视察配合建模
；；；；训练中加入具身推理使命
，，，，使模子在行动展望之外一连学习使命阶段、情形转变和未来行动意图
；；；；行动天生在 Flow Matching 的基础上
，，，，优化了行动匹配监视
，，，，镌汰遥操作节奏差别带来的时间对齐噪声
；；；；同时
，，，，高效的数据洗濯管线支持对多泉源、多机型、多使命机械人数据举行更细腻的洗濯、对齐和采样设计
，，，，提高行动监视信号的稳固性。。。

这些设计配合提升了 DM0.5 在开放情形中的指令明确、长程影象、行动鲁棒性和跨使命泛化能力。。。模子不但能够在 zero-shot 场景下完成更多未见指令
，，，，也能在下游 fine-tuning 中更高效地顺应真实使命
，，，，并在相机转变、人为滋扰和差别机械人本体上坚持更稳固的执行体现。。。

高质量数据 + 模子架构立异
，，，，让泛化自然涌现

具身智能行业很容易被新看法吸引：更大的模子、更长的上下文、更重大的架构。。。

但真正让模子变强的
，，，，许多时间不是某一个看法
，，，，而是大宗基础事情叠加之后形成的效果。。。

大模子行业已经泛起过类似情形。。。许多领先模子并纷歧定来自最花哨的架构立异
，，，，而是来自更扎实的数据工程、更严酷的数据标准、更稳固的训练系统
，，，，以及对模子失败案例的一连反馈。。。外貌上看
，，，，各人都在训练模子
；；；；现实上
，，，，差别往往爆发在训练之前。。。

具身模子只会更显着。。。

由于机械人数据比文本数据更脏、更重大
，，，，也更难外包。。。一次机械人遥操作数据里
，，，，不但有图像和语言
，，，，尚有机械臂状态、相机视角、枢纽行动、使命阶段、物体转变、操作者节奏
，，，，以及情形里的种种无意因素。。。

若是数据里有过失标注、静止片断、行动不到位、图像和状态差别步
，，，，模子并不会自动知道这些是噪声。。。它会把这些工具一起学进去
，，，，最后在真实安排时体现为抓偏、放错、重复行动
，，，，或者使命中止。。。

以是
，，，，做具身基础模子
，，，，最要害的事情反而不是训练模子。。。更难的是：先界说什么是好数据
，，，，识别什么是坏数据
，，，，把差别泉源、差别机械人、差别节奏的数据处理成模子可以学习的稳固信号。。。

这是明确 DM0.5 的要害。。。

它的几个手艺点看起来疏散：历史影象、具身推理、轨迹对齐、数据洗濯、多机型训练。。。但这些点着实都指向统一个目的：镌汰模子对无意相关性的依赖
，，，，让模子真正学到使命希望、物体状态和行动纪律。。。

数据质量
，，，，系统性工程

DM0.5 的训练数据笼罩了多类泉源
，，，，包括机械人操作数据、具身导航数据、第一人称人类操作数据
，，，，以及通用多模态视觉语言数据。。。

机械人本体也不但一种。。。官方手艺报告中提到
，，，，数据笼罩松灵 ALOHA、Galaxea R1 Lite、AgiBot G1、Franka Emika Panda、UR5、ARX5
，，，，以及 Dexmal 自研双臂移动操作机械人。。。

这些数据的意义
，，，，不但是规模更大。。。对泛化来说
，，，，更主要的是它提供了足够多的机械人本体、使命形态、视觉条件和操作方式
，，，，让模子有时机从差别数据之间笼统出更稳固的纪律。。。

但条件是
，，，，数据质量必需过关。。。

以是
，，，，DM0.5 在数据治理上做了几类要害处理。。。

第一类是去掉显着过失的数据。。。好比 ROS 纪录中无意泛起的异常值、突变值、不知足物理一连性的片断
，，，，以及图像画面和机械人状态纷歧致的数据。。。

第二类是去掉低信息量数据。。。好比长时间没有有用状态转变或行动转变的静止帧。。。这类数据若是大宗混进训练
，，，，会降低行动监视密度
，，，，让模子在该响应的时间变得缓慢。。。

第三类是去掉低价值行动。。。好比执行不到位、目的不明确
，，，，或者与目今使命目的无关的操作片断。。。这些数据看起来也是 “真实数据”
，，，，但对战略学习来说是噪声。。。

第四类是统一行动体现。。。部分机械人平台保存冗余自由度
，，，，差别枢纽组合可能对应相近的最后执行器运动。。。若是不处理
，，，，模子会在多个等价但纷歧致的枢纽模式之间摇晃。。。

第五类是重新标注。。。DM0.5 构建了自动化管线
，，，，对过失使命标注举行跨模态一致性校验和修正
，，，，让标签更贴近真实操作历程。。。

视频详见原文：https://mp.weixin.qq.com/s/3Mu73vHlFi_I7iVsPFW

视频详见原文：https://mp.weixin.qq.com/s/3Mu73vHlFi_I7iVsPFW

毫米级高精度 3D Landmark 天生

这些事情不如宣布一个新架构醒目
，，，，但对具身模子很是要害。。。由于机械人失败往往不是一个弘大的理论问题
，，，，更常见的是某段数据错位、某类行动标注杂乱、某个使命阶段没有被准确表达。。。

当行业都在谈数据量的时间
，，，，DM0.5 更值得看的地方
，，，，是它把数据质量当成了模子能力的一部分。。。

三大手艺提升
，，，，增强泛化能力

数据打好了地基
，，，，模子还需要有能力从数据里学到真正有用的纪律。。。

DM0.5 延续 VLA 架构
，，，，以 Gemma3 4B 作为多模态主干
，，，，搭配 680M 参数的 Action Expert 天生一连机械人行动。。。相比 DM0
，，，，它的重点不是纯粹堆大模子参数
，，，，而是围绕泛化做了三类增强。。。

第一类增强
，，，，是历史影象。。。

古板 VLA 战略经常只看目今图像、目今状态和目今指令。。。这对短时使命够用
，，，，但真实使命经常依赖已往爆发过的事情。。。

好比
，，，，机械人先拿起杯子擦桌子
，，，，最后要把杯子放回原位。。。杯子被拿走后
，，，，目今画面里已经没有它的初始位置。。。若是模子没有历史信息
，，，，就很难知道原位在那里。。。

DM0.5 引入 Context Abstraction Layer
，，，，把已往一段时间的视觉信息压缩成历史 token
，，，，与目今视察一起输入模子。。。官方手艺报告中提到
，，，，模子最长支持约 60 秒历史信息。。。训练时
，，，，历史帧会经由时间采样和空间抽样
，，，，并使用随机历史长度和历史增强
，，，，让模子既能使用长历史
，，，，也能在历史缺失时退化到目今视察战略。。。

这让模子不但是对目今画面做反映
，，，，而是能明确使命历程。。。

第二类增强
，，，，是具身推理。。。

机械人行动不是伶仃的。。。抓取、移动、瞄准、放置
，，，，背后都有使命阶段和目的。。。若是模子只拟合行动轨迹
，，，，很容易学到操作者节奏或情形里的无意路径。。。

DM0.5 在机械人数据中加入 11 类自回归具身推理使命
，，，，笼罩使命妄想、事务与情形展望、行动天生等偏向。。。模子不但要展望下一段行动
，，，，也要学习现在做到哪一步、接下来会爆发什么、目今行动在使命里肩负什么作用。。。

这相当于让模子在行动展望之前
，，，，先建设对使命逻辑的明确。。。

第三类增强
，，，，从对点到对齐。。。

遥操作数据有一个很现实的问题：统一个使命
，，，，差别收罗员的执行速率差别
，，，，停留位置差别
，，，，调解行动也差别。。。若是训练时把模子输出和牢靠时间点强行绑定
，，，，模子学到的可能是收罗节奏
，，，，而不是使命希望。。。

DM0.5 引入 Trajectory Alignment Layer
，，，，把监视从 “牢靠时间点对齐”
，，，，改成 “轨迹希望对齐”。。。模子输出牢靠长度的未来行动片断
，，，，训练时为每个展望行动在真实轨迹中寻找合适锚点
，，，，并要求锚点坚持枯燥递增。。。

这样既允许差别演示之间有速率差别
，，，，又能坚持行动顺序不乱。。。匹配历程还会思量相邻锚点之间的轨迹一连性
，，，，镌汰模子跳过抓取、接触、释放等要害阶段的风险。。。

把这三点放在一起看
，，，，DM0.5 的模子设计并不是各做各的功效
，，，，而是在解决统一个问题：让模子从重大、噪声很重的机械人数据中
，，，，学到更稳固的使命结构。。。

真实场景评测

DM0.5 的手艺报告里列了许多效果
，，，，包括 Zero-Shot、Fine-Tuning、仿真基准、导航基准、影象实验和鲁棒性测试。。。

这些数字不需要逐项睁开。。。对这类模子来说
，，，，更主要的是看它们是否配合指向统一个结论：模子有没有在差别使命、差别条件和差别情形下体现出更强泛化。。。

在 Zero-Shot 评测中
，，，，原力灵机构建了包括 8 类基础行动原语和 7 类语义条件约束的使命集。。。测试比照了 Franka 平台上的 π0.5-Droid 与 DM0.5-Droid
，，，，以及 Dexmal-Mirror 平台上的 DM0 与 DM0.5。。。

效果显示
，，，，DM0.5 在大大都行动种别和条件维度上优于比照模子。。。

相关数值：

这说明它不但是记着牢靠使命
，，，，而是在一定水平上能明确新的行动组合和语言条件。。。

在 Fine-Tuning 能力上
，，，，DM0.5 加入了 RoboChallenge Table30 v2 真机评测。。。这个评测笼罩恒久影象、多步顺序执行、细腻抓放、工具交互和双手协一律使命
，，，，并接纳一个模子笼罩多使命的 Generalist 设置。。。DM0.5 取得 42% 整体乐成率和 61 综合得分。。。

视频详见原文：https://mp.weixin.qq.com/s/3Mu73vHlFi_I7iVsPFW

这说明它作为基础模子
，，，，能通过微调迁徙到更重大的真实使命里。。。

这些效果可以作为能力参考
，，，，但比榜单更主要的是两个真实场景实验。。。

一个是影象实验。。
；；；；等诵枰 “拿起杯子擦桌子” 使命中记着杯子的初始位置
，，，，也需要在 “人类树模放电池” 使命中记着早期树模规则。。。这直接验证了历史信息能否酿成后续行动约束。。。

另一个是鲁棒性实验。。。在 Franka 平台的 9 组相机位姿转变测试中
，，，，模子整体乐成率只有稍微波动
，，，，并泛起出 “全局粗定位 + 腕部相机局部精调” 的两阶段战略。。。面临人为移动目的或短时遮挡
，，，，DM0.5 也能凭证新的视觉状态重新调解行动
，，，，而不是机械地沿着原始轨迹继续执行。。。

这些实验比简单榜单更有价值。。。由于真实机械人场景最常见的失败
，，，，不是标准测试集上差几个点
，，，，而是情形一变、物体一动、视角一换
，，，，模子就失去控制。。。

若是 DM0.5 的这些效果建设
，，，，它真正释放出的信号就是：具身模子的泛化能力正在从 Demo 层面
，，，，进入可以被系统验证的阶段。。。

具身模子的竞争
，，，，会越来越像系统工程

DM0.5 的意义
，，，，不在于它提出了一个完全差别的 VLA 蹊径
，，，，而在于它把具身模子下一阶段的竞争重点袒露得更清晰。。。

早期各人比的是谁能更快做出一个能看的机械人 Demo。。。接下来比的会是：谁能一连获得高质量数据
，，，，谁能界说清晰使命标准
，，，，谁能把真实失败案例转化成训练信号
，，，，谁能让模子在差别本体、差别场景、差别扰动下稳固事情。。。

这不是纯粹训练一个模子的问题
，，，，而是一整套系统工程。。。

模子架构仍然主要
，，，，但它只是其中一环。。。更主要的是训练前的数据治理
，，，，训练中的使命设计
，，，，训练后的真实评测
，，，，以及安排后的反馈闭环。。。

从这个角度看
，，，，DM0.5 最值得关注的不是某一个单点能力。。。它试图回覆一个更难的问题：当机械人脱离可控情形之后
，，，，基础模子怎样继续可靠地事情。。。

这也是具身智能真正进入深水区的标记。。。

由于越往后走
，，，，行业越会发明
，，，，通用机械人不是靠一个漂亮看法堆出来的
，，，，也不是靠几个 Demo 证实出来的。。。它需要大宗不显眼但要害的基础事情：收罗、洗濯、标注、对齐、评测、反馈
，，，，再把这些事情一轮轮酿成模子能力。。。

这些脏活累活
，，，，可能正是泛化能力最真实的泉源。。。

开源地点

GitHub：https://github.com/dexmal/opendmHugging Face：https://huggingface.co/Dexmal/DM05